人脸检测是模式识别和计算机视觉等领域中重要的研究课题,也是人脸信息处理领域的一项关键技术,在自动人脸识别系统、视频监控、基于内容的图像检索等领域的研究中发挥着重要作用。随着应用范围的不断扩大和开发实际系统需求的不断提高,人脸检测的研究越来越受到重视,开始作为独立的课题发展起来。本文探讨了简单背景下含有单个人脸的彩色静止图像中的人脸检测问题,在肤色分割的基础上提出了基于输出反馈的去噪方法和基于局部区域扫描的搜索方法,针对约束条件较强的学籍图像的处理需求设计并实现了一套学籍图像自动化处理系统;在此基础上,本文对复杂背景下含有多个人脸的彩色图像的人脸检测问题进行了研究,对基于Adaboost算法的人脸检测方法进行了改进,并针对约束条件弱的一般彩色图像设计并实现了一套人脸检测系统。具体内容如下:本文首先综述了当前人脸检测的典型算法,重点研究了简单背景下基于肤色模型的单人脸检测方法,介绍了颜色空间、肤色模型和图像分割等基础知识,在肤色分割的基础上,提出了基于输出反馈的去噪方法和基于局部区域扫描的搜索方法。同时成功地将将该检测方法应用于电子学籍建档过程中的图像处理工作,所设计并实现的学籍图像自动化处理系统,大大提高了电子学籍建档工作的效率,具有较强的实用性。作为简单背景下单人脸检测的扩展,本文随后又研究了如何快速准确地在复杂背景的彩色图像中检测多人脸的方法,对Adaboost算法进行了详细的分析和介绍,其中包括矩形特征、分类器、分类器训练等内容,提出了结合YCbCr色彩空间中的肤色分割方法对Adaboost算法的检测结果进行验证的方法。根据该检测方法实现的人脸检测系统,能够快速准确地对复杂背景下的彩色图像进行多个人脸的检测,在取得较高的检测率的同时,更好地降低了误检率,具有较强的鲁棒性及实用性。由于人脸自身的复杂性及人脸姿态、光照的多样性等原因,本文系统仍然存在一些漏检和误检。如何进一步降低漏检率和误检率,探索更加快速准确的人脸检测方法将是本文下一步要研究的内容。